一种司法考试领域的题目推荐方法技术

本发明专利技术公开了一种司法考试领域的题目推荐方法

【技术实现步骤摘要】
一种司法考试领域的题目推荐方法、系统、终端及介质


[0001]本专利技术涉及在线教育
，具体涉及一种司法考试领域的题目推荐方法
、
系统
、
终端及介质
。

技术介绍

[0002]司法考试的难度众所周知，难点在于知识量大，共有
1100
多个知识点，涉及刑法
、
民法
、
刑事诉讼法等十几个科目，学生只需要达到过线分数
180
分即可，因此在有限的时间下，如何快速的把所有知识点都掌握在过线的水平是至关重要的，而知识点的掌握情况是和学生做题的分布和难度相关的，如何让学生有针对性的科学练习自己的薄弱知识点，为此我们提出一种司法考试领域的题目推荐方法和系统
。
[0003]现有技术及其特点如下：
[0004]采用知识图谱的方法，例如专利
CN115934964A
基于知识图谱的智能荐题方法
,
通过构建题目
、
题目相关的实体，用户输入的
Query
分析，构建关键词，实体，题目相关联的知识图谱，从而可以通过分析用户输入的
Query
得到推荐的题目
。
此种方式通过
Query
的潜在语义分析去查询对应的题目，用于推荐，但是并没有考虑到学生的基础情况，对于不同基础的学员应该推荐不同难度的题目
。
[0005]采用统计分析的方法，例如专利
CN116152022A
知识掌握度的评估方法
、
题目推荐方法
、
装置
、
设备及介质，该专利提出一种评估学生知识点掌握程度的方法，通过计算学生对知识点的掌握程度，个性化的推荐不同难度的题目，该方法解决了推荐题目的个性化问题，但是，并没有考虑全局最优的问题，在众多知识点中，先练习什么后练习什么知识点，需要练习到什么程度才算掌握到了过线情况并没有得到解决
。
[0006]采用机器学习和深度学习的方法，例如
CN114564640A
基于长短期记忆和图注意力网络的
OJ
平台题目推荐方法，通过构建用户向量和用户练习行为向量等，训练神经网络模型来推荐题目
。
此种方法需要大量的训练数据，并且没有考虑知识点的练习程度和最终掌握程度
。
[0007]综上，目前的题目推荐系统中，主要存在着知识点多，没有考虑客观考试中，不同知识点的客观掌握程度应该是多少，大多是从知识点难度和学员个性化两个方面考虑题目推荐，而忽略了客观考试情形中，不同知识点的掌握程度要求不同，因此对于不同的知识点有不同的练习优先级，不同的知识点也有不同强度的练习程度
。

技术实现思路

[0008]针对现有技术中的缺陷，本专利技术提供的一种司法考试领域的题目推荐方法
、
系统
、
终端及介质，结合了不同知识点在客观考试中的掌握程度，以及题目难度
、
做题丰富度及学员个性化进行题目推荐，做到针对性的练习学员最薄弱的知识点
。
[0009]第一方面，本专利技术实施例提供的一种司法考试领域的题目推荐方法，包括：
[0010]获取已通过司法考试的学员在司法考试客观题题库中的做题信息；
[0011]根据做题信息和通过司法考试的分数计算所有知识点的掌握基准值；
[0012]根据目标学员在所有知识点上的平均做题量
、
平均正确率和难度分布，结合对应的知识点掌握基准值计算目标学员在知识点上的薄弱程度，根据各个知识点的薄弱程度进行降序排列得到知识点推荐的优先级；
[0013]根据所述知识点推荐的优先级
、
推荐题目数量
、
知识点薄弱程度计算每个知识点的不同难度题目的采样率，根据所述采样率对知识点相关的所有题目进行采样，如果采样总数不满足设定题目数量，则遍历所有知识点，按照优先级继续采样下一个知识点，直到满足预先设定题目数量为止；
[0014]将采样得到的题目按照题型和题目难度系数进行排序后向学员推荐
。
[0015]第二方面，本专利技术实施例提供的一种司法考试领域的题目推荐系统，包括：数据获取模块
、
掌握基准计算模块
、
推荐优先级计算模块
、
题目采样模块和题目排序推荐模块；
[0016]所述数据获取模块用于获取已通过司法考试的学员在司法考试客观题题库中的做题信息；
[0017]所述掌握基准计算模块根据做题信息和通过司法考试的分数计算所有知识点的掌握基准值；
[0018]所述推荐优先级计算模块根据目标学员在所有知识点上的平均做题量
、
平均正确率和难度分布，结合对应的知识点掌握基准值计算目标学员在知识点上的薄弱程度，根据各个知识点的薄弱程度进行降序排列得到知识点推荐的优先级；
[0019]所述题目采样模块用于根据所述知识点推荐的优先级
、
推荐题目数量
、
知识点薄弱程度计算每个知识点的不同难度题目的采样率，根据所述采样率对知识点相关的所有题目进行采样，如果采样总数不满足设定题目数量，则遍历所有知识点，按照优先级继续采样下一个知识点，直到满足预先设定题目数量为止；
[0020]所述题目排序推荐模块将采样得到的题目按照题型和题目难度系数进行排序后向学员推荐
。
[0021]第三方面，本专利技术实施例提供的一种司法考试领域的题目推荐终端，包括处理器
、
输入设备
、
输出设备和存储器，所述处理器分别与输入设备
、
输出设备和存储器连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法
。
[0022]第四方面，本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法
。
[0023]本专利技术的有益效果：
[0024]本专利技术实施例提供的一种司法考试领域的题目推荐方法
、
系统
、
终端及介质，通过分析过往司法考试客观题考试学员的学习行为和考试分数，构建了一套知识点掌握程度基准，以此基准为目标，结合学生的个性化学习情况和题目难度分布进行智能推题，每次推送的知识点都是学生掌握最薄弱的
、
学习优先级最高的知识点，每次推送的题目难度分布都是个性化的难度分布，此种题目推荐方法不仅解决了现有技术中不同知识点缺乏不同的掌握目标问题，并且对于学员来说，可以大大提高学员的练习效率，让学员能够在尽量短的时间内快速达到过考目标
。
附图说明
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种司法考试领域的题目推荐方法，其特征在于，包括：获取已通过司法考试的学员在司法考试客观题题库中的做题信息；根据做题信息和通过司法考试的分数计算所有知识点的掌握基准值；根据目标学员在所有知识点上的平均做题量
、
平均正确率和难度分布，结合对应的知识点掌握基准值计算目标学员在知识点上的薄弱程度，根据各个知识点的薄弱程度进行降序排列得到知识点推荐的优先级；根据所述知识点推荐的优先级
、
推荐题目数量
、
知识点薄弱程度计算每个知识点的不同难度题目的采样率，根据所述采样率对知识点相关的所有题目进行采样，如果采样总数不满足设定题目数量，则遍历所有知识点，按照优先级继续采样下一个知识点，直到满足预先设定题目数量为止；将采样得到的题目按照题型和题目难度系数进行排序后向学员推荐
。2.
如权利要求1所述的方法，其特征在于，所述根据做题信息和通过司法考试的分数计算所有知识点的掌握基准值的具体方法包括：采用目标学员做对一个知识点相关题目总数量除以目标学员做该知识点相关的所有题目的总数量得到目标学员在这个知识点的正确率；统计目标学员在一个知识点上所做的题目难度分布，通过计算一个题目的平均正确率，用1减去平均正确率得到题目难度系数；根据题目难度系数将题目难度平均分为多个等级，统计目标学员在该知识点上所做题目的难度分布；按照设定分数范围对已通过司法考试客观题的学员的成绩按分数分三个等级，所述等级为过线
、
良好和优秀，分别计算不同等级的学员在所有知识点上的平均做题量
、
平均正确率和平均难度分布以作为所有知识点的过线基准
、
良好基准和优秀基准
。3.
如权利要求2所述的方法，其特征在于，所述知识点推荐的优先级具体包括：若目标学员的所有知识点都达到了过线基准，则采用良好基准计算，若所有知识点都达到了良好基准，则采用优秀基准计算
。4.
如权利要求3所述的方法，其特征在于，所述根据所述知识点推荐的优先级
、
推荐题目数量
、
知识点薄弱程度计算每个知识点的不同难度题目的采样率的具体方法包括：将一个知识点的平均难度分布减去该知识点的难度分布得到该知识点的不同难度题目采样比例；计算采样比例中所有大于0的元素的和得到总采样比例；将采样比例除以总采样比例得到该知识点的题目难度的采样率，若对应采样率为负数，则不采样
。5.
一种司法考试领域的题目推荐系统，其特征在于，包括：数据获取模块
、
掌握基准计算模块
、
推荐优先级计算模块
、
题目采样模块和题目排序推荐模块；所述数据获取模块用于获取已通过司法考试的学员在司法考试客观题题库中的做题信息；所述掌握基准计算模块根据做题信息和通过司法考试的分数计算所有知识点的掌握基准值；所述推荐优先级计算模块根据目标学员在所有知识点上的平均做题量

【专利技术属性】
技术研发人员：陈旭阳，刘琛，杨旭川，
申请(专利权)人：重庆觉晓科技有限公司，
类型：发明
国别省市：